Neste tópico
Hipótese nula e hipótese alternativa
- Hipótese nula
- A hipótese nula afirma que um parâmetro da população (como a média, o desvio padrão, e assim por diante) é igual a um valor hipotético. A hipótese nula é muitas vezes a hipótese de "nenhuma diferença" ou "nenhum efeito".
- Hipótese alternativa
- A hipótese alternativa afirma que um parâmetro da população é menor, maior ou diferente do valor hipotético na hipótese nula. A hipótese alternativa afirma o que você suspeita ser verdadeiro que é contrário à afirmação da hipótese nula. Muitas vezes, o objetivo de um teste de hipótese é mostrar que os dados da amostra fornecem evidências suficientes para rejeitar a hipótese nula. A rejeição da hipótese nula sustenta a hipótese alternativa.
Na saída, as hipóteses nula e alternativa ajudam a verificar se foi inserido o valor correto para a proporção hipotética.
N
O tamanho amostral (N) é o número total de observações na amostra.
Interpretação
O tamanho amostral afeta o intervalo de confiança e o poder do teste.
Normalmente, um tamanho amostral grande resulta em um intervalo mais estreito. Uma amostra maior também proporciona ao teste mais poder para detectar uma diferença. Para obter mais informações, vá para O que é potência?.
Evento
O evento é o valor de interesse na amostra. O Minitab usa o número de eventos para calcular a proporção da amostra, que é uma estimativa da proporção da população. Você pode alterar o valor que o Minitab usa como o evento selecionando o outro valor ao especificar a análise. Selecione o evento de acordo com a proporção que você deseja que a análise estime.
Amostra p
A proporção da amostra é igual ao número de eventos dividido pelo tamanho da amostra (N).
Interpretação
A proporção amostral é uma estimativa da proporção populacional do evento de interesse.
Como a proporção está baseada em dados das amostras e não na população total, é improvável que a proporção da amostra é igual à proporção da população. Para estimar melhor a proporção da população, use o intervalo de confiança.
Intervalo de confiança (IC) e limites
O intervalo de confiança fornece um intervalo de valores possíveis para a proporção da população. Como as amostras são aleatórias, é improvável que duas amostras de uma população produzam intervalos de confiança idênticos. Porém, se você repetir sua amostra muitas vezes, uma certa porcentagem dos intervalos ou fronteiras de confiança resultantes Revestimento a proporção da população desconhecida. A porcentagem desses intervalos ou limites de confiança que cobrem a proporção é o nível de confiança do intervalo. Por exemplo, um nível de confiança de 95% indica que, se você pegar 100 amostras aleatórias da população, poderá esperar que aproximadamente 95 das amostras produzam intervalos que cubram a proporção da população.
Uma fronteira superior define um valor provável que a proporção da população seja menor. Uma fronteira inferior define um valor provável que a proporção da população seja maior.
O intervalo de confiança ajuda a avaliar a significância prática de seus resultados. Use seu conhecimento especializado para determinar se o intervalo de confiança inclui valores que têm significado prático para sua situação. Se o intervalo for muito amplo para ser útil, considere aumentar o tamanho da amostra.Para obter mais informações, acesse Como obter um intervalo de confiança mais preciso.
Estatísticas Descritivas
| N | Evento | Amostra p | IC de 95% para p |
|---|---|---|---|
| 1000 | 87 | 0,087000 | (0,070617; 0,106130) |
Nestes resultados, a estimativa da proporção da população para casas que fizeram uma compra é 0,087. Você pode ter 95% de confiança que a proporção da população está entre aproximadamente 0,07 e 0,106.
Valor-P
O valor de p é uma probabilidade que mede a evidência contra a hipótese nula que está na amostra de dados. Um valor-p menor fornece uma evidência mais forte contra a hipótese nula.
Interpretação
Use o valor-p para determinar se a proporção da população é estatisticamente diferente da proporção hipotética.
- Valor-p ≤ α: A diferença entre as proporções é estatisticamente significativa (rejeite H0)
- Se o valor-p for menor ou igual ao nível de significância, você deve rejeitar a hipótese nula. É possível concluir que a diferença entre a proporção da população e a proporção hipotética é estatisticamente significativa.Use seu conhecimento especializado para determinar se a diferença é praticamente significativa.Para obter mais informações, acesse Significância estatística e prática.
- Valor-p > α: A diferença entre as proporções não é estatisticamente significativa (não rejeite H0)
- Se o valor-p for maior do que o nível de significância, você não deve rejeitar a hipótese nula. Não há evidências suficientes para concluir que a diferença entre a proporção da população e a proporção hipotética é estatisticamente significativa. Certifique-se de que o teste tenha poder suficiente para detectar uma diferença que seja significativa na prática. Para obter mais informações, vá para Poder e tamanho de amostra para 1 proporção.
Valor-Z
Os resultados incluem o valor Z quando os cálculos utilizam o Wilson-Score sem uma correção de continuidade.
Interpretação
Você pode comparar o valor-z a valores críticos da distribuição normal padrão a fim de determinar se deve rejeitar a hipótese nula. No entanto, o uso do valor-p do teste para fazer a mesma determinação é geralmente mais prático e conveniente.
Para determinar se a hipótese nula deve ser rejeitada, compare o valor-z com o valor crítico. O valor crítico é Z1-α/2 para um teste bilateral e Z1-α para um teste unilateral. Para um teste bilateral, se o valor absoluto do valor Z é maior do que o valor crítico, você deve rejeitar a hipótese nula. Caso contrário, você não deve rejeitar a hipótese nula. Você pode calcular o valor crítico no Minitab ou encontrar o valor crítico de uma tabela normal padrão na maioria dos livros de estatística. Para obter mais informações, acesse Usando a função de distribuição cumulativa inversa (ICDF) e clique em "Usar o ICDF para calcular valores críticos".
